基于示例的跨域图像属性操控
机器学习
2019-04-04 v2 图形学
机器学习
摘要
在这项工作中，我们提出了一种模型，可利用各自属性操控如何影响仿真输出的示例，来操控真实场景中物体的单个视觉属性。作为一个例子，我们训练模型利用具有不同表情的非真实感 3D 人脸渲染来操控人脸表情。我们的模型能够保留真实人脸的所有其他视觉属性，例如头部朝向，尽管该属性及其他属性在真实或合成域中均未标注。由于我们的模型仅使用此类操控的“合成演示”学习孤立地操控特定属性而无需显式提供标签，因此它可应用于形状、纹理、光照以及其他难以度量或表示为实值向量的属性。我们度量了当单个特定属性被操控时，模型保留真实图像其他属性的程度。我们使用数字数据集分析属性分布差异如何影响模型性能，并展示了一个困难得多的设定下的结果：利用非真实感 3D 渲染学习操控真实人脸。
引用
@article{arxiv.1901.10024,
title = {Cross-Domain Image Manipulation by Demonstration},
author = {Ben Usman and Nick Dufour and Kate Saenko and Chris Bregler},
journal= {arXiv preprint arXiv:1901.10024},
year = {2019}
}